归并排序

#include <stdio.h>
//#include "common.h"
#include "iostream.h"
void merge(int data[], int p, int q, int r)
{        
 int i, j, k, n1, n2;        
 n1 = q - p + 1;        
 n2 = r - q;        
 int L[99];        
 int R[99];         
 for(i = 0, k = p; i < n1; i++, k++)                
  L[i] = data[k];        
 for(i = 0, k = q + 1; i < n2; i++, k++)                
  R[i] = data[k];        
 for(k = p, i = 0, j = 0; i < n1 && j < n2; k++)        
 {               
  if(L[i] > R[j])                
  {                        
   data[k] = L[i];                        
   i++;                
  }                
  else                
  {                        
   data[k] = R[j];                        
   j++;
  }    
 }   
 if(i < n1)        
 {                
  for(j = i; j < n1; j++, k++)                    
   data[k] = L[j];        
 }        
 if(j < n2)        
 {                
  for(i = j; i < n2; i++, k++)                        
   data[k] = R[i];        
 } 
}
void merge_sort(int data[], int p, int r)
{        
 if(p < r)        
 {                
  int q = (p + r) / 2;                
  merge_sort(data, p, q);                
  merge_sort(data, q + 1, r);                
  merge(data, p, q, r);        
 }
}
void test_merge_sort()
{      
 int data[] = {44, 12, 145, -123, -1, 0, 121};        
 printf("-------------------------------merge sort----------------------------\n");       
 //out_int_array(data, 7);       
 merge_sort(data, 0, 6);       
 //out_int_array(data, 7);
 for (int i=0;i<6;i++)
 {
  cout<<data[i];
 }
 
}
int main()
{       
 test_merge_sort();       
 return 0;


内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值